一、遇到了什么问题
1.里程计和IMU定位不准
在现有公司的室内应用场景下，为了避免机器人运动与障碍物发生碰撞，在障碍物的周围设置了“膨胀区”的概念，由此机器人定位分两种情况：
1）机器人在“膨胀区”外：由激光雷达实现定位
除了个别情况，激光出现偏差，基本可以满足粗糙的生产需求，定位精度+/-20cm
2）机器人在“膨胀区”内：由里程计和IMU实现定位
由于定位精度要求高(+/-5cm)，且与运动控制联动效果不好，由此对外表现就是定位精度时常令人失望
2.激光导航定位不准
有一个“自动充电”的任务：需要去识别宽度30cm，厚度10cm的充电桩，定位误差要求+/-5cm
目前使用激光去识别，定位效果不是特别理想
二、如何去解决
针对第二个问题，做导航算法的妹子提了一个想法：采用视觉里程计去识别充电桩
三、简单探究
1. 传统的定位算法主要分为里程计法和惯性导航法。
里程计( Odometry ) 是一种被广泛应用的方式，通过安装在车轮上的光电编码器记录机器人的运动过程从而估计其位置。
惯性导航法则利用加速度计和陀螺仪实现定位。
由于轮子的侧滑或者积分累积误差的存在，里程计和惯性导航的定位精度一般很差。
2. 基于视觉里程计( Visual Odometry, VO )的定位技术是目前较为新颖和研究较多的一种定位技术。
VO通过刚性挂载在智能车上的摄像机采集图像数据，根据图像特征和运动约束进行位姿估计，不会产生积累误差。
但当视觉传感器数据采样率和智能车运动速度比较快时，会造成兴趣点数目减少而引起估计精度降低。
与视觉不同，惯性传感器具有成本低、尺寸小等特点，对于短期运动预测精度较好，不会受到运动突然变化的影响，但其定位精度低，误差随时间累积严重。
因此可以考虑到视觉和惯性传感器的互补
网友评论